基于图形轮廓的雷达信号模糊函数主脊切面特征提取方法

作者:田春瑾;普运伟;郭媛蒲;时羽; 刊名:兵工学报 上传者:刘广祥

【摘要】从复杂体制雷达辐射源信号中提取有效的特征参数,是解决复杂雷达信号分选问题的有效方法。鉴于模糊函数(AF)的主脊切面能很好地描述信号的模糊能量分布信息,提出一种基于图形轮廓的AF主脊切面特征提取方法,该方法提取了反映切面图形轮廓变化剧烈程度的累积角度和反映切面图形轮廓固有特征的单位累积长度作为信号分选的特征向量。模糊C均值聚类实验结果表明:当信噪比不低于12 dB时,常规信号、线性调频信号、二相编码、四相编码、M伪随机序列和二频编码6种典型雷达信号的分选成功率均为100%,即使在信噪比为0 dB时,平均分选成功率也能达到93. 5%;在0~20 dB动态信噪比环境中平均分选成功率达到98. 9%.理论分析与分选耗时比较实验结果表明,所提方法具有较低的算法复杂度,证实了其有效性和时效性。

全文阅读

0引言雷达信号分选是从随机交错的脉冲信号流中分离出不同雷达的脉冲序列并分选出有用信号的过程。现代电磁信号环境的高度密集以及各种新型复杂体制雷达的广泛应用,使得基于载波频率(RF)、到达时间(TOA)、脉冲宽度(PW)、脉冲幅度(PA)、到达角度(DOA) 5个常规参数的分选方法已经不能取得令人满意的效果[1]。因此,从复杂多变的雷达信号中提取和补充新的特征参数,成为解决雷达信号分选问题亟需解决的问题。近年来,国内外许多学者对雷达信号特征参数提取进行了深入研究与探索。其中,直接对波形信号提取复杂度特征的有信息维数[2]、熵特征[3]等。不同复杂度特征描述信号波形上的不同信息,如分形特征反映了信号的几何尺度信息;范数熵刻画了信号的能量分布情况等。另外,为反映不同信号瞬时相关函数特征的差异性,文献[4-5]提取了信号波形的瞬时自相关特征并取得了不错的识别效果。但由于信号波形容易受到噪声的影响,特征的抗噪性能还有待提高。通过时频变换将信号映射到二维时频空间来提取特征的方法有时频分析、小波变换、Wigner-Ville分布等[6-8]。文献[7]基于时频原子提取改进小波变换的特征提高了分选准确率,然而小波变换无法对信号的高频部分进一步分解,无法很好地表示信号的细节信息等。这些特征提取方法在一定程度上弥补了基于常规5参数分选方法的不足,但它们主要针对特定形式的信号,且易受噪声的干扰。模糊函数(AF)能够较完整地反映信号的内部结构信息,可以挖掘出区别于其他信号的有效特征。文献[9]采用信号AF的二维最大双谱值特征与矩形脉冲和三角形脉冲分别求相像系数作为特征向量来分选雷达信号,这种方法运算简单但抗噪性能有待提高;文献[10]采用穷举法搜索AF的主脊切面,提取了切面的旋转角、1阶原点矩和2阶中心矩特征,这种方法的分选成功率很高但计算量大、耗时较长;文献[11]改进了文献[10]搜索AF主脊切面计算量大的缺点,提取了切面的差值和、差值最大值和差值分布熵3个特征,这种方法计算速度较快,但特征的分选成功率有所降低。因此,本文从图形轮廓角度提出一种新的AF主脊切面特征提取方法。该方法首先采用基于优势遗传的智能优化算法搜索AF主脊切面来提高速度,然后提取能够描述主脊切面轮廓变化剧烈程度的累积角度与能够描述主脊切面固有特征的单位累积长度特征。仿真实验结果表明,在信噪比SNR不低于0 d B情况下,所提特征能以较高的准确率有效地分选出各种雷达信号,在动态信噪比条件下分选准确率达到98. 9%.由此可见,本文所提特征不仅类内聚敛性好,而且抗干扰能力强,具有较好的稳定性和可靠性,可作为经典分选5参数的有效补充。1 AF主脊切面提取方法1. 1 AF主脊切面对于任意窄带雷达信号s(t),其AF[10]定义为χs(τ,ξ)=∫∞-∞(s t+τ)2s(t-τ)2e-j2πξtdt,(1)式中:χs(τ,ξ)表示信号的AF;τ为时延;ξ为频移;t为时间变量; s (·)为信号s (t)经时延后的表示;s (·)为s(·)的共轭。可见,信号AF实质是信号在时延τ和频移ξ平面上的联合二维时频表示,提供了对信号较完整的描述。因此从信号AF提取特征来分选雷达信号是一种可行思路。由文献[10]可知,分数自相关运算与AF具有如下关系:[Cα(s,s)](ρ)=χs(ρcosα,ρsinα),(2)式中:Cα为旋转角α的分数域uα上的分数自相关算子,表示对信号s(t)作自相关运算;自变量ρ为uα域的径向距离。(2)式表明,旋转角α的分数域自相关等价于该分数域上AF的径向切面。因此,利用分数傅里叶变换的

参考文献

引证文献

问答

我要提问